AI王座,一夜两度易主,神秘模型Obsidian 3泄露
AI圈再次变天了! Artificial Analysis刚更新了Intelligence Index,正式推出v5版,Claude Opus 5.5一举登顶,将OpenAI的GPT-6 Astra挤下神坛。 但没高兴多久,Gemini 4 Carbon发布,超越 Claude Opus 5.5夺魁! 但代号「Obsidian 3」的神秘模型意外浮出水面,而所有的线索都指向同一个名字:Anthropic尚未发布的 Fable 5.5 。 险胜GPT-6!Opus 5.5的冠军不到一夜 AI榜单洗牌了。 Artificial Analysis发布了最新的 Intelligence Index v5 榜单。这是目前业内含金量最高、最难啃的测试之一。 结果出人意料,但又在情理之中。 Anthropic的 Claude Opus 5.5 以58分险胜,斩获第一。 OpenAI的 GPT-6 Astra 以57分,屈居第二。 戏剧性的是,谷歌随之发布了 Gemini 4 Carbon,得分 AA 综合得分为59。 一分之差,AI 王座一夜之间两度易主。 但在编程智能体指数上,Anthropic仍以62 分领跑。 为什么说这次Anthropic登顶编程智能体指数榜含金量极高?因为测试规则变了,变得极其苛刻。 私有数据权重飙升至60%。 过去的AI测试,大家都在刷榜。模型把公开的GitHub代码库背得滚瓜烂熟,分数自然高。 这次不行了。官方直接把私有数据集的权重拉到了60%。 没有公开资料,没有历史作业。模型必须当场思考,当场解题。 靠「死记硬背」混日子的时代,结束了。 免疫学教授Derya Unutmaz评论称,新版本更合理,此前开源模型存在针对公开基准的过度优(benchmaxxing),与OpenAI、Anthropic及Gemini前沿模型的能力差距被清晰拉开。 不过,这并不意味着两者差距扩大了,而是衡量方式变化了。 引入高难度科研工作流。 新增了代码与科研工作流等地狱级挑战。 这不再是写个贪吃蛇代码那么简单,而是要求AI像真实的程序员和研究员一样,处理复杂的工程逻辑。 在这样的高压测试下,Opus 5.5 扛住了。它证明了Anthropic在复杂逻辑推理和真实场景落地上的恐怖实力。 数据暴雷!隐藏模型 Obsidian 3 究竟是谁? Opus 5.5 登顶,只是前菜。 真正的硬核大瓜,藏在另一家机构的数据库里。 昨天,知名AI测试机构 Cognition 发布了其私有编程基准的最新版本: FrontierCode 2.0 。 这是一个极其变态的测试:包含132项真实开源代码库中的任务。 评分标准简单粗暴:代码提交后,项目的维护者是否愿意合并(Merge)你的更改。 只要有一项阻断性检查未通过,直接计0分,没有任何同情分。为了防止数据污染,任务全程保密。 而且A
